买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌航空大学申请的专利聚类假设和多元灰色关联模型的雷达工作模式识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117312883B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311001287.5，技术领域涉及：G06F18/23；该发明授权聚类假设和多元灰色关联模型的雷达工作模式识别方法是由赵珂;胡义海;肖永生;黄丽贞;周建江;时晨光;贺丰收;饶烜;孙成立设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本聚类假设和多元灰色关联模型的雷达工作模式识别方法在说明书摘要公布了：本发明公开了一种聚类假设和多元灰色关联模型的雷达工作模式识别方法，包括以下步骤S1、对源域和目标域数据进行均值漂移聚类得到聚类中心；S2、构建源域和目标域的多元灰色关联模型用以评价源域和目标域的域差异指标MGRDD；S3、基于多元灰色关联域差异指标MGRDD的大小对源域和目标域的迁移方法进行选择；当MGRDD≥α时使用基于聚类假设和多元灰色关联模型的雷达工作模式迁移识别算法，对目标域进行雷达工作模式识别；当MGRDD＜α时使用基于聚类假设和多元灰色关联模型的雷达工作模式自适应多域迁移识别算法，对目标域雷达工作模式进行识别。

本发明授权聚类假设和多元灰色关联模型的雷达工作模式识别方法在权利要求书中公布了：1.一种聚类假设和多元灰色关联模型的雷达工作模式识别方法，其特征在于：所述方法包括以下步骤， S1、对源域和目标域数据进行均值漂移聚类得到聚类中心； S2、构建源域和目标域的多元灰色关联模型用以评价源域和目标域的域差异指标； S3、基于多元灰色关联域差异指标的大小对源域和目标域的迁移方法进行选择； 当时使用基于聚类假设和多元灰色关联模型的雷达工作模式迁移识别算法； 当时使用基于聚类假设和多元灰色关联模型的雷达工作模式自适应多域迁移识别算法； 其中，为设定的临界值； 所述S2中的多元灰色关联模型的域差异度量方法为，方法为衡量源域与目标域关联程度的方法，其公式如下式1所示： ； 式1中分别表示源域和目标域，其中表示源域聚类中心个数，表示目标域聚类中心个数，表示源域和目标域聚类中心的灰色关联程度，其表达式如下式2所示； ； 式2中表示雷达序列划分单元数，表示源域与目标域的相似性的物理特征位移差，其公式如下式3所示： ； 式2中表示源域与目标域的相似性的物理特征速度差，其公式如下式4所示： ； 式2中表示源域与目标域的相似性的物理特征加速度差，其公式如下式5所示： ； 时，所述源域雷达工作模式分类知识的迁移法为：基于聚类假设和多元灰色关联模型的雷达工作模式自适应多域迁移识别算法，神经网络提取特征可分为一般性特征和特殊性特征，一般性特征与任务的关联性小，可直接用于其他任务；特殊性特征具有较强的任务关联性，仅适用于特定任务，在网络中靠前层特征表现出更强的一般性，而靠后层特征则具有更强的特殊性； 为了避免由源域雷达工作模式识别模型直接迁移目标域雷达所产生的负迁移问题，针对目标域，选取3个以上源域，及雷达工作模式识别，分别表示为，及，按照它们数据集与目标任务数据集之间的由大到小排列；利用训练数据并构建识别网络,网络总共有层，先确定由迁移至过程中各层的一般性与特殊性；将的前层固定，对第层的参数进行初始化，并利用任务训练数据对参数进行更新；若此新网络在任务测试集上的模式识别率优于直接利用任务训练数据所构建网络的识别率，则说明在将迁移至过程中的第层具有一般性，否则说明其具有特殊性；循环使用以上方法，能够确认从一项任务迁移至另一项任务过程中，应该冻结哪些层，应该微调哪些层的参数，并将迁移后的网络记为；依次传递使用，最终构建一个适用于目标任务的网络。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌航空大学，其通讯地址为：330038 江西省南昌市丰和南大道696号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。